¿Experto o cuñado? (y V)

En cierta ocasión mi tiroides se descontroló y comenzó a producir demasiada tiroxina. Cuando el médico que me atendía por aquel entonces empezó a escribir la receta dudó un momento y sacó un libro de un cajón de su escritorio. Me dijo que quería asegurarse de que el medicamento que me iba a recetar no tenía interacciones con otros que tomaba. Lo comprobó, terminó la receta, me lo tomé y todo solucionado.

Era un médico joven y tal vez otro paciente hubiera interpretado esa necesidad de consultar el libro de referencia como un signo de incompetencia. Creo que David Freedman tiene algo de razón cuando dice que preferimos a los galenos que muestran más confianza en sí mismos:

Imagine you’ve developed chronic back pain, and you decide to get opinions from two orthopedic specialists. The first one examines you, looks at some MRI images, and tells you the following: “I’ve seen many, many cases just like yours, and it’s usually very hard to say exactly what’s wrong. Different treatments work to varying degrees for different people with this sort of problem, it’s very hard to predict which will work for any person, and most of the time none of the treatments is all that successful. I really can’t predict what, if anything, is likely to work for you. I suggest we try treatment A, which usually doesn’t work but which at least tends to work slightly more often on patients like you than do any of the other treatments. Come back in a month, and if it’s working we’ll continue it, and if it isn’t we’ll try something else.” The second doctor examines you, looks at some MRI images, and tells you the following: “I’ve seen many, many cases just like yours, and I can tell exactly what’s wrong with your back. Most patients with this problem respond very well to treatment B, and I’m pretty sure you will, too. Come in once a month for the treatment, and that should do the trick.”

Which doctor do you go with? When I ask people this question, almost all of them say they’d go with the second doctor. At which point I ask them another question: if you were told one of these doctors had recently been named Wisest Orthopedist of the Year by the state orthopedic society while the other was known to his colleagues behind his back as Bozo the Orthopedist, which would you guess is which? Almost everyone guesses without hesitation that the second doctor is the one who gets no respect. But why would we prefer the advice of someone whose wisdom we’re so quick to question? Apparently we like the second doctor’s advice so much that we’re willing to take a chance on it, in spite of whatever qualms we might have about its reliability.

En mi trabajo todos buscamos soluciones en Google cada día. Dependemos tanto de él que uno se pregunta cómo era trabajar antes de tener dicha herramienta, a la vez que se plantea si en realidad sabe algo, un sentimiento que he visto expresar con este simpático emoticono:

|----------------------------|
| Most days, I've   |
| no idea what      |
| I'm doin. google |
| quote searches   |
| have saved my   |
| ass more'n I can|
| count                  |
|----------------------------|
 (\__/)||
(•ㅅ•)||
/ 　 づ

Lo hablaba con un compañero hace más de una década. Son tantas las ocasiones en las que para hacer mi trabajo sigo los pasos que ha escrito un internauta desconocido que acabo sintiéndome el hombre en la habitación china. Mi colega sostenía que el hecho de buscar no implica ignorancia supina. Al fin y al cabo, se necesitan conocimientos de base para saber lo que se está leyendo, así como cuándo y en qué situaciones aplicar lo aprendido. También puede ocurrir al revés, es decir, que una persona puede memorizar montones de datos y hechos y seguir siendo estúpida:

Accessing the Internet can actually make people dumber than if they had never engaged a subject at all. The very act of searching for information makes people think they’ve learned something, when in fact they’re more likely to be immersed in yet more data they do not understand. This happens because after enough time surfing, people no longer can distinguish between things that may have flashed before their eyes and things they actually know.

En otra ocasión dos compañeros discutían sobre un curso que uno de ellos había hecho. Él primero sostenía que había aprendido mucho mientras el otro le replicaba que no le habían enseñado nada porque sí, le habían mostrado cómo usar ciertas herramientas, pero no le habían explicado cómo funcionaban estas. Dicho de otro modo, le habían enseñado a conducir pero no cómo funcionaba el motor. Un antiguo colega bromeaba con esto diciendo: «lo que hacemos (programar) es ofimática. Somos iguales que la gente que usa el Word: escribimos para obtener lo que queremos sin saber cómo funciona por debajo.».

¿Hasta qué punto es equiparable la competencia con la capacidad de memorización de datos? ¿Hasta qué nivel es necesario saber cómo funciona algo para considerar que sabemos? Vimos hace unos años que tendemos a confundir familiaridad con conocimiento y que este suele ser mucho más superficial de lo que creemos. Aún así, cabe argumentar que no es necesario ser capaz de conocer los detalles hasta el nivel más bajo. Un médico, por ejemplo, no necesita conocer la dinámica de partículas subatómicas en detalle, le basta con llegar al nivel de las células. Es una falacia muy extendida en mi sector, donde aquellos que mejor se desenvuelven con código cercano a la máquina son considerados más competentes. Creo que eso es un signo de miopía intelectual ya que podemos tener conocimientos a distintos niveles (átomos, células, organismos, ecosistemas; átomos, minerales, rocas, planetas) y los niveles más bajos no son especiales.

Conocer datos y hechos, entender lo que significan, llegar a ellos a través de métodos que tienden a producir datos y hechos ciertos, ser capaz de hacer predicciones acertadas, ser consciente del grado de fiabilidad de lo que se sabe así como de las lagunas en el conocimiento propio... todo esto es lo que distingue al verdadero experto del cuñado. Por contra, repetir como un loro tópicos o lo que se ha leído en un periódico o visto en una web cualquiera sin saber lo que significa es lo que retrata al cuñado.

¿Experto o cuñado? (IV)

Últimamente me he aficionado a los vídeos del canal de Youtube Power Art. Uno de sus aspectos destacables es la fluidez con la que el presentador habla de la historia del modelo que analiza, de sus datos técnicos y del diseño. Bastan unos pocos minutos de vídeo para considerar a este hombre versado en el mundo del motor, máxime si lo comparamos con el resto de canales dedicados a mostrar coches nuevos, los cuales se limitan a describir las partes visibles del vehículo y contar sus impresiones a base de tópicos.

Imagen de Wikimedia Commons

Pero ¿realmente estamos ante un experto? Quizá se limite a leer un guión. Tal vez nos esté confundiendo su buena actuación ante la cámara. Los actores de la serie de televisión Urgencias o House no sabían nada sobre medicina pero resultaban convincentes. También lo es uno de mis mejores amigos, el cual trabaja como monitor de gimnasio y da clases de GAP, spinning, pilates y lo que le pidan. Él no ha recibido formación reglada en ninguna de esas disciplinas pero no le falta trabajo. Para ello, antes de ir a la entrevista mira unos cuantos vídeos en Youtube, se aprende una clase de memoria y lo enseña en la entrevista. Lleva superando procesos de selección de esta forma más de diez años.

¿Cómo podemos reconocer a un verdadero experto? ¿Cómo detectar a un impostor o a un ignorante? No creo que haya una sola prueba que pueda separar al experto del resto, más bien tendremos que ir acumulando pruebas que confirmen o desmientan nuestra valoración. Se parece un poco a detectar un billete falso ¿Tiene la marca de agua? ¿Se ve el hilo de seguridad? ¿El holograma muestra los reflejos esperados? Cuantas más «pruebas» supere el billete que tendremos entre manos más seguros podremos estar de nuestro juicio. Pero, a diferencia del billete, con el experto nunca podremos estar seguros totalmente de nuestra evaluación; como máximo podemos aspirar a cierta probabilidad de que nuestro juicio sea correcto dentro de un margen de error dado.

David H. Freedman nos sugiere estas sencillas normas para saber si las opiniones de un experto tienen altas probabilidades de ser equivocadas (énfasis en el original):

Expert advice with a higher-than-average likelihood of being wrong is often given away by any number of tells. Be extra wary if the advice fits any of these descriptions:

It’s simplistic, universal, and definitive. [...] When advice is of the sort that promises broad benefits and can be described in a sound bite or headline—“Drinking Coffee Extends Life Span!”—chances are good that either it’s coming from an expert who has wandered off track through mismeasurement, bad analysis, or bias, or something has been lost in the translation as the findings made their way through research journals and the mass media. [...]
It’s supported by only a single study, or many small or less careful ones, or animal studies. Any advice based on one study should be regarded as highly tentative, no matter how good the study seems. The more studies, the better, as a rough rule, but even a series of big, rigorous studies can occasionally produce wrong conclusions. [...]
It’s groundbreaking. For one thing, most expert insights that seem novel and surprising are based on a small number of less rigorous studies and often on just one small or animal study. [...]
It’s pushed by people or organizations that stand to benefit from its acceptance. All experts stand to benefit from their research winning a big audience, of course, and that’s well worth remembering, but in some cases the potential conflict of interest is more likely to be corrosive. That’s especially true when the research is coming out of or being directly funded by individual companies or industry groups whose profits may be impacted by the findings. [...]
It’s geared toward preventing a future occurrence of a prominent recent failure or crisis. This is the “locking the barn door” effect: we’re so irked or even traumatized by whatever has just gone wrong that we’re eager to do now whatever we might have done before to have avoided the problem. It’s about as smart a strategy as standing on a twelve in blackjack with the dealer showing a face card, just because you’ve busted twice in a row.

De manera similar, también describe algunas características de los consejos más fiables (ibídem):

It doesn’t trip the other alarms. [...] we ought to give more weight to expert advice that isn’t simplistic; that is supported by many large, careful studies; that is consistent with what we mostly believe to be true; that avoids conflicts of interest; and that isn’t a reaction to a recent crisis.
It’s a negative finding. [...] There isn’t much reason to game a disappointing conclusion, and anyone who publishes one or reports on it probably isn’t overly concerned with compromising truth in order to dazzle readers.
It’s heavy on qualifying statements. [...] sometimes journal articles and media reports do contain comments and information intended to get us to question the reliability of the study methodology, or of the data analysis, or of how broadly the findings apply. Given that we should pretty much always question the reliability and applicability of expert findings, it can only speak to the credibility of the experts, editors, or reporters who explicitly raise these questions, encouraging us to do the same.
It’s candid about refutational evidence. Claims by experts rarely stand unopposed or enjoy the support of all available data. (A saying in academia: for every PhD, there’s an equal and opposite PhD.) Any expert, journal editor, or reporter who takes the trouble to dig up this sort of conflicting information and highlight it when passing on to us a claim ought to get a bit more of our attention.[...]
It provides some context for the research. Expert findings rarely emerge clear out of the blue—there is usually a history of claims and counterclaims, previous studies, arguments pro and con, alternative theories, new studies under way, and so forth. [...]
It provides perspective. [...] more trustworthy pronouncements tend to more clearly spell out the limitations in their relevance—that a treatment has been tried only on animals or on healthy people, for example, or that a shift in real-estate prices has been clearly observed only in higher-end homes or in one part of the country. [...]
It includes candid, blunt comments. [...] I don’t think you can be confident of really understanding the reliability or significance of an expert claim unless you’ve heard the expert herself or other well-informed experts express their doubts and skepticism. The best places to look for such comments, in my experience, are in longer magazine articles, in letters to journals, and occasionally in radio interviews.

De todos los indicios listados mi favorito es la sinceridad acerca de las pruebas que desmienten la hipótesis. A mi juicio, el experto, para ser tal, debe conocer en profundidad los aspectos más débiles de sus teorías, un requisito que demandaba John Stuart Mill:

En vuestros días está de moda despreciar la lógica negativa que es la que descubre los puntos débiles en la teoría o los errores en la práctica, sin establecer verdades positivas. Semejante crítica negativa sería pobre como resultado final; pero como medio de alcanzar un conocimiento positivo o una convicción digna de tal nombre, nunca será valorada demasiado alto; y hasta que los hombres sean de nuevo y sistemáticamente educados para esto, habrá pocos grandes pensadores y el nivel intelectual medio será bajo, excepto en las especulaciones matemáticas y físicas. En todas las demás materias, ninguna opinión merece el nombre de conocimiento, en tanto que, bien forzado por los demás, bien espontáneamente, no ha seguido el mismo proceso mental a que le hubiera obligado una controversia con sus adversarios.

Después de lo que hemos visto en esta serie de artículos podríamos agregar algunos criterios de nuestra propia cosecha. Primero, que el conocimiento de la persona en cuestión sea fruto de un proceso que tiende a producir verdadero conocimiento. Por ejemplo, el presentador de Power Art es ingeniero mecánico mientras que mi amigo, como he dicho, se alimenta de vídeos de YouTube. No creo que sea controvertido decir que, basándonos únicamente en la formación, el primero tiene más probabilidades de ser un experto real que mi amigo.

Segundo, el verdadero experto es capaz de hacer predicciones que son correctas. El tipo de predicciones dependerá de la materia en concreto. En el caso de mi amigo él debería ser capaz de producir en sus clientes los cambios físicos que demandan (perder peso, ganar fuerza) cuando estos hacen todo lo que mi amigo les dice. El presentador de Power Art, por su parte, hace de ingeniero de pista para un equipo de carreras así que el éxito de sus predicciones se verá en el comportamiento del coche durante la competición.

Finalmente, una de las formas más fiables pero menos útiles para calibrar el conocimiento ajeno es tener uno mismo conocimientos sobre el tema. No siempre podemos alcanzar el nivel requerido para distinguir a un genio de un mediocre y, además, debemos tener la cautela de no favorecer a aquellos expertos que comulgan con nuestras ideas, tachando a los contrarios de ignorantes, pero es de suyo evidente que cuanto más conozcamos la materia mejor cualificados estaremos para juzgar.

Continuará.

¿Experto o cuñado? (III)

Alejémonos un poco del concepto filosófico y centrémonos en la definición mundana del saber. Aquí encontramos, por un lado, el conocimiento de tipo Trivial Pursuit que sirve para responder  a preguntas tales como «¿cuántos jueces hay en el Tribunal Supremo?», «¿cuál es el número de Avogadro?», «¿qué países forman parte de la OTAN?» o «¿cuáles son los gases nobles?». Por otro, tenemos el conocimiento que utilizamos en cuestiones del tipo «justifica tu respuesta». El primero es fácil de evaluar. El segundo, que es el que nos interesa, no tanto.

Foto de Jlhopgood

¿Cómo podemos valorar si una persona es realmente experta en una materia? ¿Cómo asegurarnos de que no estamos confundiendo otras cualidades (seguridad en uno mismo, dominio de la jerga) con conocimiento verdadero? ¿Cómo podemos comprobar que no es el homúnculo de la habitación china de la que hablamos al principio?

Philip Tetlock, cuyo trabajo hemos mencionado en varias ocasiones, utilizó como vara de medir la capacidad de hacer predicciones acertadas. Como él mismo reconoce, es una elección discutible porque es posible conocer un fenómeno pero errar la predicción:

Explanation is possible without prediction. A conceptually trivial but practically consequential source of forecasting failure occurs whenever we possess a sound theory but do not know whether the antecedent conditions for applying the theory have been satisfied: high school physics tells me why the radiator will freeze if the temperature falls below 32°F but not how cold it will be tonight. Or, consider cases in which we possess both sound knowledge and good knowledge of antecedents but are stymied because outcomes may be subject to chaotic oscillations. Geophysicists understand how principles of plate tectonics produce earthquakes and can monitor seismological antecedents but still cannot predict earthquakes.

Asimismo, es posible hacer predicciones correctas aun cuando no sepamos explicar el fenómeno (ibídem):

Conversely, prediction is possible without explanation. Ancient astronomers had bizarre ideas about what stars were, but that did not stop them from identifying celestial regularities that navigators used to guide ships for centuries. And contemporary astronomers can predict the rhythms of solar storms but have only a crude understanding of what causes these potentially earth-sizzling eruptions. 

Este último problema ya nos lo hemos encontrado y vimos que, para que la explicación se considere conocimiento, esta debe tener una conexión causal con el hecho. Esa es la razón por la que, como ilustra el propio Tetlock, ningún científico que se precie cambiaría su opinión acerca de la astrología aun cuando un astrólogo hiciera predicciones acertadas, pues ello socavaría un enorme corpus de conocimiento científico establecido. En una situación así lo más lógico sería buscar otros mecanimos subyacentes a esos aciertos.

Podemos ver de forma sencilla la relación entre predicciones y conocimiento considerando los pronósticos sobre el clima. Si la aplicación meteorológica de nuestro teléfono no acierta nunca con la lluvia o con la temperatura de los días venideros diríamos que quienes hacen los pronósticos no tienen ni idea. Afortunadamente, aunque el clima es uno de los mejores ejemplos de oscilaciones caóticas que influyen en el resultado es posible hacer predicciones bastante certeras para cortos periodos de tiempo.

La reputación de los meteorólogos probablemente sea peor de lo que merecen, algo que no diría de los economistas cuyas predicciones yerran con tanta frecuencia que, en mi opinión, hay un sentimiento generalizado de falta de competencia que está justificado. De hecho, hay economistas que comparten esa sensación:

[E]conomics is faulted for its failure to predict. God created economic forecasters to make astrologers look good, quipped John Kenneth Galbraith (himself an economist). Exhibit A in recent times has been the global financial crisis, which unfolded at a time when the vast majority of economists had been lulled into thinking macroeconomic and financial stability had arrived for good. I explained in the previous chapter that this misperception was another by-product of the usual blind spot: mistaking a model for the model.

¿Por qué ligamos conocimiento y pronósticos acertados? Quizá sea un efecto secundario del método científico. Una buena teoría científica no solo explica los fenómenos observados hasta la fecha sino que además permite hacer predicciones claras, precisas y (a menudo) sorprendentes que pueden comprobarse. Simplificando mucho, si las predicciones resultan ser ciertas la teoría es verificada y, si no lo son, la teoría es refutada. Por ejemplo, según la teoría de la relatividad general de Einstein el Sol curva la luz en una magnitud concreta:

Otra verificación astronómica famosa de la relatividad general es la predicción de Einstein de que el Sol curva la luz. La gravitación newtoniana también predice esto, pero la relatividad general predice una cantidad de curvamiento que es dos veces mayor. El eclipse solar total de 1919 proporcionó una oportunidad para distinguir los dos, y Sir Arthur Eddington organizó una expedición, finalmente anunciando que Einstein se imponía. Esto fue aceptado con entusiasmo en la época, pero más tarde se hizo claro que los datos eran pobres y el resultado fue cuestionado. Observaciones independientes adicionales de 1922 parecían estar de acuerdo con la predicción relativista, como lo estuvo un reanálisis posterior de los datos de Eddington. En la década de los sesenta del siglo XX, se hizo posible hacer las observaciones para radiaciones de radiofrecuencia y, solo entonces, fue seguro que los datos sí que mostraban una desviación dos veces mayor que la predicha por Newton e igual a la que predijo Einstein.

Otro buen ejemplo de teoría verificada por sus predicciones es la tabla de elementos de Mendeleiev:

En 1871, Mendeleiev predijo la existencia de tres elementos desconocidos en su tiempo, llegando a señalar sus propiedades más destacadas (incluyendo el peso atómico aproximado). Estas predicciones se vieron confirmadas pronto: en 1875, el francés Paul Émile Lecoq de Boisbaudran (1838-1912) anunciaba el descubrimiento del galio (ekaboro para Mendeleiev); en 1879, el sueco Lars Fredrik Nilson (1840-1899) hacía lo propio con el escandio (ekaluminio), y en 1886, el alemán Clemens Alexander Winkler (1838-1904) descubría el germanio (ekasilicio).

Ejemplos de teorías refutadas por las observaciones serían el modelo geocéntrico de Ptolomeo y la teoría del flogisto. Aunque ambas teorías fueron válidas durante bastante tiempo finalmente acabaron siendo desplazadas por teorías mejores. Durante ese proceso, para acomodar las observaciones que no encajaban se hacían modificaciones ad hoc (añadiendo epiciclos y deferentes en el primer caso, asignando al flogisto un peso negativo en el segundo) que complicaban la teoría o introducían problemas nuevos.

Las explicaciones teológicas que se proponen como alternativa a teorías científicas se comportan igual que las malas teorías: cambian con cada nueva observación para acomodarse a ellas. Esto tiene la ventaja de que la teoría, efectivamente, se adapta a las pruebas lo que, según sus proponentes, prueba que son ciertas. El problema es que cualquier creencia, por rídicula que sea, puede hacerse encajar con las pruebas disponibles. Stephen Law pone el siguiente ejemplo:

Dave believes dogs are spies from the planet Venus. He views any canine with great suspicion, for he believes they are here from Venus to do reconnaissance work. Dogs, Dave supposes, secretly send their reports back to Venus, where the rest of their fiendishly cunning alien species are meticulously planning their invasion of the earth. Their spaceships will shortly arrive from Venus to enslave the human race and take over the world.

Unsurprisingly, Dave's friends think he has a screw loose and try to convince him that dogs are comparatively benign pets, not cunning alien spies. Here's a typical example of how their conversations with Dave go.

 DAVE: It's only a matter of weeks now! The spaceships will arrive and then you'll wish you'd listened to me. We must act now—let the government know!
MARY: Look, Dave, dogs are pretty obviously not space invaders, they're just dumb pets. Dogs can't even speak, for goodness sake, let alone communicate with Venus!
DAVE: They can speak—they just choose to hide their linguistic ability from us. They wait till we leave the room before they talk to each other.
PETE: But Venus is a dead planet, Dave. It's horrifically hot and swathed in clouds of acid. Nothing could live there, certainly not a dog!
DAVE: Dogs don't live on the surface of Venus, you fool—they live below, in deep underground bunkers.
MARY: But then how do earth-bound dogs communicate with their allies on Venus? I've got a dog, and I've never found an alien transmitter hidden in his basket.
DAVE: They don't use technology we can observe. Their transmitters are hidden inside their brains!
MARY: But Pete is a vet, and he's X-rayed several dog's heads, and he's never found anything in there!
PETE: In fact, I once chopped up a dog's brain in veterinary school—let me assure you, Dave, there was no transmitter in there!
DAVE: You're assuming their transmitters would be recognizable as such. They are actually made of organic material indistinguishable from brain stuff. That's why they don't show up on X-rays. This is advanced alien technology, remember—of course we cannot detect it!
MARY: But we don't detect any weird signals being directed at Venus from the earth.
DAVE: Of course, we don't—like I said, remember, this is advanced alien technology beyond our limited understanding!
PETE: How do dogs fly spaceships? They don't even have hands. So they can't hold things like steering wheels and joysticks.
DAVE: Really, Pete. Think about it. You are assuming that their spacecraft will be designed to be operated by human hands. Obviously they won't. They'll be designed to be maneuvered by a dog's limbs, mouth, tongue, and so on.

Como vemos, con cada pregunta Dave añade un «epiciclo» para ajustar su descabellada hipótesis con las observaciones. Muchos de estos ajustes son, además, imposibles de comprobar lo que hace imposible falsificar su teoría, una falta de rigor científico característica de este tipo de explicaciones.

Todos nosotros usamos parte del método científico cada día. ¿Nos gustará esto que probamos por primera vez? ¿Estará peor el tráfico esta mañana? ¿Debería aceptar este nuevo trabajo? Respondemos estas preguntas con predicciones basadas en nuestras propias teorías sobre cómo funciona el mundo o cómo somos nosotros. El método científico dicta que cuando nos equivocamos lo que deberíamos hacer es revisar nuestra teoría. Sin embargo, lo que solemos hacer es poner excusas, igual que hicieron los expertos entrevistados por Tetlock: «no ha pasado pero pasará», «lo que en realidad quise decir era esto otro», «no ha ocurrido por poco», etcétera. Hacer esto es síntoma de que nuestra teoría es errónea lo que significa, a su vez, que no sabíamos tanto como pensábamos.

Continuará.

¿Experto o cuñado? (II)

En uno de los primeros artículos que publicamos sobre epistemología rescatamos la definición de conocimiento recogida por Platón en su diálogo Teeto, a saber, «una creencia verdadera y justificada». El requisito de veracidad parece de suyo evidente; al fin y al cabo, lo que es falso no puede ser conocido. O, dicho de otra forma, solo se pueden saber cosas que son verdaderas. Respecto a la creencia, la idea que hay detrás es que solo podemos saber aquello en lo que creemos. Por último, la justificación es necesaria porque sin ella podríamos considerar conocimiento conclusiones a las que hemos llegado por azar. Por ejemplo, lanzamos una moneda al aire y decimos: «sé que va a salir cara». Si, efectivamente, sale cara la proposición es cierta pero nadie de nosotros diría que eso cuenta como conocimiento. Es, a lo sumo, una conjetura afortunada.

Sanzio, Raffaello. Scuola Di Atene.

Esta definición del saber es la más conocida y aceptada pero no es perfecta. En 1963 el filósofo Edmund Gettier observó que puede haber creencias justificadas y verdaderas que no son conocimiento. Ilustró su argumento con dos ejemplos:

In the first example, two men, Smith and Jones are up for a job promotion. Smith believes that Jones will get the job, and he believes that Jones has ten coins in his pocket. Because these two sentences involve the same person, Jones, these beliefs also lead to the belief that the man with ten coins in his pocket will get the job. Unbeknownst to Smith, he has ten coins in his own pocket too. When Smith gets the job, it seems fair to state that his belief that the man with ten coins in his pocket will get the job was correct. However, it seems strange to call this belief knowledge since Smith believed the person being referred to was Jones. So it seems that Smith’s belief was false.

[...] In the second example Gettier uses, Smith believes that Jones owns a Ford and he has good reasons for believing this. So, Smith goes ahead and constructs three statements after selecting three random places where his good friend Brown may be located. With any statement that is true, by adding the proposition “or” and a second statement, the new statement is also true. For example: “All unmarried men are bachelors” is true. “Martians exist” is not true. But “Either all unmarried men are bachelors or Martians exist” is true. By using the same logic in the previous example, Smith forms the following statements:

A:Either Jones owns a Ford, or Brown is in Boston.
B:Either Jones owns a Ford, or Brown is in Barcelona.
C:Either Jones owns a Ford, or Brown is in Brest-Litovsk.

Just as in the first example, it turns out that Smith is correct by accident. It turns out that Jones doesn’t own a Ford, instead the Ford Jones has given Smith a ride in was a rental. Brown is in Barcelona. Now, this would seem like a lucky guess, and once again, we would be hard-pressed to call this odd stroke of truth-generating luck knowledge.

Los ejemplos de Gettier se antojan extraños porque en nuestra vida cotidiana no hablamos así. No obstante, son lógicamente sólidos. De acuerdo con las leyes de la lógica, cuando utilizamos el conector «o» basta con que una de las partes sea cierta para que la proposición completa lo sea. Así, frases como «o Silvio Broca es una ameba o la Tierra es redonda» son verdaderas. La conclusión de este autor es que podemos llegar a creer de forma justificada algo que es falso y que la justificación basada en pruebas no elimina todos los casos en los que llegamos a saber por mera cuestión de suerte.

Si las creencias verdaderas y justificadas no son suficientes para calificarlas de conocimiento ¿qué más hace falta? Una posibilidad es que lo importante en realidad sea cómo hemos llegado a albergar dicha creencia:

Since Gettier shows that justified true beliefs fail to count as knowledge, philosophers continue to search for new ways of justifying human knowledge. One of the most prominent ways is to show that it’s the process of coming to know something that produces knowledge. If the process by which one perceives objects is reliable, then we can say it’s the reliability of the process that causes one to have knowledge. This position is called reliabilism.
Reliabilism attempts to explain knowledge in a way that accepts the limitations of human knowledge. It maintains that humans do make mistakes and that our perceptions can be flawed. Because humans are fallible, knowledge that requires certainty should be rejected. Instead, we should focus on the degrees to which our beliefs count as knowledge. For reliabilism, we might have certain knowledge of stuff like mathematics, but our knowledge of everyday interactions with the world should be judged by how reliable our beliefs are produced.

De acuerdo con esta posición filosófica, lo principal no son las pruebas sino la probabilidad de que la creencia sea cierta, y nuestra creencia estará justificada siempre y cuando hayamos llegado a ella a través de un método fiable, esto es, uno que tienda a producir creencias verdaderas (por ejemplo, el método científico). Si este requisito se cumple entonces podremos decir que sabemos algo.

¿Qué significa esto para nuestro cuñado? Significa que para saber no necesita pruebas o buenas razones, todo lo que se requiere es que crea que lo que dice es cierto y que haya llegado a creerlo a través de un mecanismo fiable. Si, verbigracia, leer el periódico o Yahoo Respuestas produjera creencias verdaderas nueve de cada diez veces entonces deberíamos reconocer que nuestro cuñado demuestra poseer conocimiento cuando se deleita repitiendo lo que ha leído ahí.

Sin embargo, no todo método fiable produce conocimiento. Aunque la astrología fuera fiable seguiría sin ser fuente de conocimiento como sí lo es el método científico. ¿Por qué? Porque solo este último está conectado con el mundo externo de forma causal:

Leonard Koppett reliably predicted the rise and fall of the stock market for eighteen out of nineteen years between 1979 and 1998. Using reliabilism, we might be tempted to say that his reliable ability to have predicted the future suggests he had some sort of knowledge about the future. The truth is, however, Koppett was a writer for Sporting News, and he based his predictions concerning the stock market on which league won the Super Bowl. He picked a random event and applied its outcome to an unconnected event, the stock market. Koppett’s beliefs were in no way connected to the stock market, neither causally nor otherwise. So, reliabilism concludes that he didn’t have knowledge.

From the point of view of reliabilism, knowledge results from being causally connected to the world through our reliable belief-forming senses. Predicting the future based on random sporting events is an impressive trick, but it’s not a skill. So, even though Koppett’s predictions were reliable they don’t count as knowledge.

Obviamente, el confiabilismo no es la panacea. Tal como explica Abraham Schwab, que un proceso sea fiable no significa que sea infalible. La falibilidad de nuestro proceso significa que no podemos obtener certezas sino únicamente cierta probabilidad de verdad. Así, algunas de nuestras creencias resultarán ser falsas pero a, cambio, esta postura nos permite creer más cosas de las que estaríamos justificados a creer si el requerimiento para el saber fuera tener certeza absoluta.

Continuará.

¿Experto o cuñado? (I)

Al estilo de los que hace Jorge Ponce en el programa La resistencia, hagamos un pequeño juego de adivinación. Las siguientes frases ¿son de un experto o de un cuñado?

• Franco no fue un dictador fascista.
• Hitler no fue un dictador, fue elegido por el pueblo.
• El aroma de limón puede prevenir el cáncer.
• El ladrillo (la inversión inmobiliaria) siempre sube.

Las respuestas correctas son: experto, cuñado, cuñado y experto

El dibujante Pedro Vera define lo que es un cuñado maravillosamente:

El cuñado es un ser perfecto, superior. Un ser de luz, un ente capaz de traspasar océanos con su sabiduría. Sabe de todo y puede opinar de lo que quiera, de cualquier tema que le preguntes. Y response con frases como: "yo tuve un profesor que...". Ese tipo de mierdas.

En nuestra disquisión de hoy trataremos solo este aspecto de tan patria figura, el epistemológico, dejando a un lado las muletillas («esto es como todo», «eso es así»), las frases hechas («diga melón», «¿cómo andamios?») y los superpoderes propios de este ser («eso lo consigo yo por la mitad de dinero»).

¿Cómo obtiene un cuñado su conocimiento? Tomando como ejemplo a mi propio padre, que bien podría protagonizar el libro de Pedro Vera, el cuñado se hace experto en cualquier tema a través de cualquier medio a su disposición: la radio, la televisión, el periódico, las redes sociales, el WhatsApp. Lo sé porque mi progenitor al menos tiene la decencia de citar sus fuentes: «ayer salió en el periódico», «han dicho en la tele», «¿no has visto el whatsapp que dice...?», y así siguiendo. También adquieren conocimientos a través de otros cuñados en sesudos debates a orillas de la barra del bar o su equivalente digital (los foros), así como por la tradición («esto es así de toda la vida») y la propia experiencia vital del individuo («siempre lo he hecho así y me ha funcionado bien»).

Después de un tiempo participando en un foro en el que los temas a discutir son los mismos una y otra vez me dí cuenta de que el cuñado utiliza un modelo simple de estímulo-respuesta, es decir, ante una afirmación concreta este ser responde con una contraria que ha visto, leído u oído en algún momento. Por ejemplo:

Foto de Omurden M. Sezgin

- Quieren prohibir los coches diésel y gasolina.
- Cuñado: ¡pero si los eléctricos contaminan más por la fabricación de la batería!

- Mi móvil va muy lento últimamente.
- Cuñado: eso es que tienes un virus.

- Estoy acatarrado
- Cuñado: toma antibióticos.

Etcétera.

Este comportamiento me recordó el experimento mental de la habitación china formulado por John Searle en 1980:

Searle [...] se imaginaba a sí mismo desempeñando el papel de un computador que está programado para responder preguntas sobre una historieta. El elemento crucial en la explicación de Searle es que tanto la historieta, como las preguntas, como los outputs de Searle, están en chino, un lenguaje que él no entiende. Él es capaz de «responder» a las preguntas solamente porque, junto con los símbolos chinos que contienen la historieta y las preguntas, ha recibido reglas enunciadas en inglés que le dicen cómo producir nuevas ristras de símbolos dependiendo de las ristras que encuentra en la historieta y en las listas de preguntas. Todo el asunto está diseñado tan inteligentemente que, mientras que Searle creía que estaba sólo manipulando símbolos y no sabía que está respondiendo a preguntas en chino sobre una historieta en chino, de hecho estaba produciendo un output perfectamente coherente que los hablantes nativos del chino considerarían auténtico.

Searle mantenía que en este experimento él se estaría comportando como alguien que entendiese chino cuando, en realidad, es una lengua que no comprende. Se limita, sencillamente, a seguir unas reglas para procesar las preguntas y producir las respuestas. Da el pego, pero no hay conocimiento real.

Un cuñado obra de igual manera: para cada aseveración produce una réplica (habitualmente la misma) en sentido contrario. Siendo así no parece difícil replicar un cuñado con un programa informático que responda siempre lo mismo ante ciertas afirmaciones. Convendrán conmigo en que un programa así no puede calificarse de inteligente. No entiende las frases de entrada ni las respuestas, simplemente lleva a cabo conjunto de instrucciones para buscar en una base de datos una contestación. ¿Podríamos distinguir a un cuñado de carne y hueso de un programa así mediante un test de Turing?

Igual que el programa, el cuñado en realidad no entiende las respuestas que da. No sabe en qué se basan, qué razonamientos o datos hay tras ellas o en qué contextos son ciertas, ni cuáles son sus matices o puntos débiles. Todo lo juega al naipe de la autoridad de su fuente, la cual probablemente haya olvidado.

Continuará.